什么是图书馆? 是否有完整的实现? 图书馆如何使用? 它的网站在哪里?
libxml2具有许多优点:
符合规范
积极发展和社区参与
速度。这实际上是一个围绕C实现的python包装器。
无处不在。 libxml2库无处不在,因此已经过了很好的测试。
缺点包括:
符合规范。严格在其他库中,诸如默认名称空间处理之类的事情会更容易。
使用本机代码。这可能会很麻烦,具体取决于您的应用程序的分发/部署方式。可使用RPM来减轻这种痛苦。
手动资源处理。请注意下面的示例中对freeDoc()和xpathFreeContext()的调用。这不是很Pythonic。
如果您要进行简单的路径选择,请坚持使用ElementTree(Python 2.5附带)。如果需要完全符合规范或原始速度,并且可以应付本机代码的分发,请使用libxml2。
libxml2 XPath使用示例
1 2 3 4 5 6 7 8 9 10 11 12 13
| import libxml2
doc = libxml2.parseFile("tst.xml")
ctxt = doc.xpathNewContext()
res = ctxt.xpathEval("//*")
if len(res) != 2:
print"xpath query: wrong node set size"
sys.exit(1)
if res[0].name !="doc" or res[1].name !="foo":
print"xpath query: wrong node set value"
sys.exit(1)
doc.freeDoc()
ctxt.xpathFreeContext() |
ElementTree XPath使用示例
1 2 3 4
| from elementtree.ElementTree import ElementTree
mydoc = ElementTree(file='tst.xml')
for e in mydoc.findall('/foo/bar'):
print e.get('title').text |
lxml软件包支持xpath。尽管我在self ::轴上遇到了一些麻烦,但它似乎工作得很好。还有Amara,但我还没有亲自使用过。
在这里听起来像一个lxml广告。 ;)ElementTree包含在std库中。在2.6及以下的版本中,其xpath相当弱,但在2.7中则大大改进:
1 2 3 4 5 6 7 8 9
| import xml.etree.ElementTree as ET
root = ET.parse(filename)
result = ''
for elem in root.findall('.//child/grandchild'):
# How to make decisions based on attributes even in 2.6:
if elem.attrib.get('name') == 'foo':
result = elem.text
break |
使用LXML。 LXML充分利用了libxml2和libxslt的功能,但是将它们包装在比这些库中固有的Python绑定更多的" Pythonic"绑定中。这样,它将获得完整的XPath 1.0实现。本机ElemenTree支持XPath的有限子集,尽管它可能足以满足您的需求。
另一个选项是py-dom-xpath,它与minidom无缝配合,并且是纯Python,因此可以在appengine上使用。
1 2
| import xpath
xpath.find('//item', doc) |
您可以使用:
PyXML:
1 2 3 4 5
| from xml.dom.ext.reader import Sax2
from xml import xpath
doc = Sax2.FromXmlFile('foo.xml').documentElement
for url in xpath.Evaluate('//@Url', doc):
print url.value |
libxml2:
1 2 3 4
| import libxml2
doc = libxml2.parseFile('foo.xml')
for url in doc.xpathEval('//@Url'):
print url.content |
最新版本的elementtree很好地支持XPath。我不是XPath专家,我不能肯定地说实现是否完整,但是在使用Python时它已经满足了我的大部分需求。我也使用了lxml和PyXML,我发现etree很不错,因为它是一个标准模块。
注意:从那以后我就找到了lxml,对我来说,它绝对是Python最好的XML库。它也很好地完成了XPath(尽管可能不是完整的实现)。
您可以使用lxml中的简单soupparser
例:
1 2 3 4
| from lxml.html.soupparser import fromstring
tree = fromstring("Find me!")
print tree.xpath("//a/text()") |
如果您希望同时拥有XPATH的功能和使用CSS的能力,则可以使用parsel:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
| >>> from parsel import Selector
>>> sel = Selector(text=u"""<html>
<body>
Hello, Parsel!
<ul>
<li>
Link 1
</li>
<li>
Link 2
</li>
</ul
</body>
</html>""")
>>>
>>> sel.css('h1::text').extract_first()
'Hello, Parsel!'
>>> sel.xpath('//h1/text()').extract_first()
'Hello, Parsel!' |
另一个库是4Suite:http://sourceforge.net/projects/foursuite/
我不知道它是如何符合规范的。但这对我来说非常有效。它看起来被遗弃了。
PyXML运作良好。
您没有说明正在使用什么平台,但是如果您使用的是Ubuntu,则可以使用sudo apt-get install python-xml来获得它。我敢肯定其他Linux发行版也有。
如果您使用的是Mac,则xpath已安装但无法立即访问。您可以在环境中设置PY_USE_XMLPLUS或使用Python方式在导入xml.xpath之前进行设置:
1 2
| if sys.platform.startswith('darwin'):
os.environ['PY_USE_XMLPLUS'] = '1' |
在最坏的情况下,您可能必须自己构建它。该软件包不再维护,但仍然可以正常运行,并且可以与现代2.x Python一起使用。基本文档在这里。
如果您需要html:
1 2 3
| import lxml.html as html
root = html.fromstring(string)
root.xpath('//meta') |